解决dotnet/android项目中System.Memory版本冲突问题
在dotnet/android项目的开发过程中,当尝试使用Visual Studio Preview版本运行Maui.Controls.Sample.Sandbox示例应用时,开发者可能会遇到一个与System.Memory程序集相关的构建错误。本文将详细分析该问题的成因,并提供解决方案。
问题现象
当开发者使用Visual Studio 17.14 Preview 2版本构建基于net10.0-android平台的Maui示例应用时,构建过程会失败并抛出以下异常:
System.IO.FileNotFoundException: Could not load file or assembly 'System.Memory, Version=4.0.2.0, Culture=neutral, PublicKeyToken=cc7b13ffcd2ddd51' or one of its dependencies.
错误发生在Xamarin.Android.Tasks.MonoAndroidHelper.GetXxHash方法调用时,表明系统无法加载指定版本的System.Memory程序集。
问题根源分析
通过检查MSBuild.exe.config文件,我们发现其中包含以下程序集绑定重定向配置:
<dependentAssembly>
<assemblyIdentity name="System.Memory" publicKeyToken="cc7b13ffcd2ddd51" culture="neutral" />
<bindingRedirect oldVersion="0.0.0.0-4.0.1.2" newVersion="4.0.1.2" />
</dependentAssembly>
这表明MSBuild运行时环境仅支持最高到4.0.1.2版本的System.Memory程序集。然而,项目中某些组件(特别是.NET 10的System.IO.Hashing)需要4.0.2.0版本的System.Memory,导致了版本不兼容问题。
解决方案
要解决这个问题,我们需要确保项目中使用的System.IO.Hashing版本与MSBuild环境兼容。具体措施如下:
-
降级System.IO.Hashing:将项目中使用的System.IO.Hashing包版本降级到9.0.4,这个版本不依赖System.Memory 4.0.2.0。
-
更新绑定重定向:如果确实需要使用较新版本的System.IO.Hashing,可以尝试更新MSBuild.exe.config文件中的绑定重定向规则,将newVersion设置为4.0.2.0。但这种方法可能会影响其他依赖旧版本的组件。
-
等待官方更新:微软团队可能会在后续的Visual Studio更新中解决这个兼容性问题。
最佳实践建议
-
在开发过程中,特别是使用预览版工具链时,建议密切关注依赖项的版本兼容性。
-
定期检查项目中的NuGet包引用,确保它们与目标平台和构建环境兼容。
-
对于关键项目,考虑锁定特定版本的依赖项,避免自动升级导致不可预见的兼容性问题。
-
在团队开发环境中,确保所有成员使用相同的工具链和依赖版本,减少环境差异导致的问题。
通过理解这个问题的本质并采取适当的解决措施,开发者可以顺利地在Visual Studio Preview环境中构建和运行dotnet/android项目中的Maui示例应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00